Bittensor (TAO) چگونه کار می‌کند؟ بازار غیرمتمرکز هوش مصنوعی و ساب‌نت‌ها

Bittensor (TAO) چگونه کار می‌کند؟ بازار غیرمتمرکز هوش مصنوعی و ساب‌نت‌ها

تقاطع هوش مصنوعی و ارزهای دیجیتال در سال‌های اخیر با وعده‌های بزرگی همراه شده است؛ از ساخت مدل‌های زبانی غیرمتمرکز گرفته تا ایجاد بازار آزاد برای توان پردازشی، داده و خدمات هوش مصنوعی. بااین‌حال، بخش مهمی از این روایت‌ها هنوز در مرحله آزمایش، جذب سرمایه یا بازاریابی قرار دارد. Bittensor یکی از معدود پروژه‌هایی است که تلاش می‌کند تولید خدمات هوش مصنوعی را مستقیماً با مشوق‌های اقتصادی روی یک شبکه بلاک‌چینی پیوند بزند.

هسته اصلی Bittensor، ساب‌نت‌ها یا شبکه‌های فرعی آن هستند. هر ساب‌نت برای یک وظیفه مشخص طراحی می‌شود و در آن، ماینرها خدمات یا خروجی تولید می‌کنند، ولیدیتورها کیفیت این خروجی را می‌سنجند و پروتکل بر اساس نتایج ارزیابی، توکن منتشر می‌کند. پرسش مهم این نیست که آیا این مدل «غیرمتمرکز» نامیده می‌شود یا نه؛ پرسش اصلی این است که آیا واقعاً می‌تواند خدمات بهتر، ارزان‌تر یا مقاوم‌تری نسبت به مدل‌های متمرکز تولید کند.

ساب‌نت Bittensor چیست و چه مشکلی را حل می‌کند؟

ساب‌نت را می‌توان یک بازار تخصصی درون شبکه Bittensor دانست. ایجادکننده ساب‌نت، یک مسئله یا «کالای دیجیتال» را تعریف می‌کند؛ برای مثال تولید متن، پردازش تصویر، ارائه توان پردازشی، جمع‌آوری داده، پیش‌بینی، جست‌وجو، آموزش مدل یا اجرای عامل‌های هوش مصنوعی. سپس قوانین ارزیابی و پاداش را تعیین می‌کند تا مشارکت‌کنندگان برای تولید بهترین خروجی با یکدیگر رقابت کنند.

مشکلی که این معماری می‌خواهد حل کند، دشواری هماهنگ‌کردن منابع پراکنده است. در مدل سنتی، یک شرکت باید خودش سرور، مدل، داده، نیروی متخصص و سامانه ارزیابی را تأمین کند. در Bittensor، این وظایف میان گروهی از مشارکت‌کنندگان تقسیم می‌شود و پاداش‌ها با توکن شبکه پرداخت می‌شوند. مستندات رسمی Bittensor ساب‌نت را محیطی تخصصی معرفی می‌کنند که در آن وظیفه، سازوکار مشوق و روش ارزیابی ماینرها از قبل تعریف می‌شود.

این ایده از نظر اقتصادی مهم است، زیرا به‌جای پرداخت صرف برای «در اختیار داشتن سخت‌افزار»، تلاش می‌کند پرداخت را به کیفیت خروجی مرتبط کند. البته همین‌جا یک محدودیت اساسی وجود دارد: کیفیت خروجی را انسان‌ها یا سامانه‌های ارزیابی تعیین می‌کنند و اگر معیار ارزیابی ضعیف باشد، شبکه می‌تواند به‌جای هوش مصنوعی مفید، خروجی‌هایی تولید کند که فقط برای دریافت پاداش بهینه شده‌اند.

ماینر، ولیدیتور و صاحب ساب‌نت چه می‌کنند؟

ماینر؛ تولیدکننده خروجی

ماینر در Bittensor مانند ماینر بیت‌کوین وظیفه تولید بلاک ندارد. در اینجا ماینر یک سرویس، مدل، پاسخ، پیش‌بینی، داده یا توان پردازشی ارائه می‌دهد. برای نمونه، در یک ساب‌نت تولید متن، ماینر ممکن است به درخواست‌های ورودی پاسخ دهد و در یک ساب‌نت پردازشی، منابع GPU یا CPU را در اختیار شبکه بگذارد.

هر ساب‌نت می‌تواند نیازهای سخت‌افزاری متفاوتی داشته باشد. راهنمای رسمی ماینینگ Bittensor تأکید می‌کند که مشخصات سخت‌افزاری هر ساب‌نت باید جداگانه بررسی شود و بسیاری از ساب‌نت‌ها، الزامات خود را در مخزن کد یا فایل‌های فنی اعلام می‌کنند. بنابراین «ماینینگ در Bittensor» یک فعالیت واحد نیست؛ ممکن است در یک ساب‌نت به GPU قدرتمند نیاز باشد و در ساب‌نت دیگر، کیفیت نرم‌افزار یا داده مهم‌تر از توان خام پردازشی باشد.

ولیدیتور؛ داور اقتصادی شبکه

ولیدیتورها خروجی ماینرها را بررسی و به آن‌ها امتیاز یا وزن اختصاص می‌دهند. این ارزیابی می‌تواند با معیارهای خودکار، آزمون‌های استاندارد، بررسی کیفیت پاسخ، سنجش سرعت یا ترکیبی از این موارد انجام شود. سپس وزن‌های ولیدیتورها از طریق سازوکاری مانند Yuma Consensus ترکیب می‌شود تا توزیع پاداش میان ماینرها مشخص شود.

ولیدیتور بودن صرفاً به معنای اجرای یک نود بلاک‌چین نیست. طبق مستندات آموزشی Bittensor، ولیدیتورهای هر ساب‌نت باید کد ارزیابی مخصوص همان ساب‌نت را اجرا کنند و کیفیت عملکرد ماینرها را رتبه‌بندی کنند. در بسیاری از ساب‌نت‌ها، ظرفیت ولیدیتوری محدود است و جایگاه‌ها بر اساس میزان سهام یا وزن استیک اختصاص داده می‌شوند؛ راهنمای رسمی حداکثر پیش‌فرض 64 مجوز ولیدیتوری را برای هر ساب‌نت ذکر می‌کند.

صاحب ساب‌نت؛ طراح بازار

صاحب ساب‌نت وظیفه تعریف مسئله، تعیین قواعد، توسعه نرم‌افزار و نگهداری زیرساخت اولیه را دارد. او عملاً بازار و معیارهای رقابت را طراحی می‌کند. طبق گزارش سالانه ثبت‌شده در کمیسیون بورس و اوراق بهادار آمریکا در سال 2026، مالک ساب‌نت می‌تواند قواعد پروتکل همان شبکه را تعیین کند و از سهم مالکانه انتشارها بهره‌مند شود.

این نقش هم نقطه قوت و هم نقطه ضعف Bittensor است. از یک طرف، هر تیم می‌تواند بدون دریافت مجوز از یک شرکت مرکزی، بازار تخصصی خود را راه‌اندازی کند. از طرف دیگر، کیفیت و بی‌طرفی هر ساب‌نت به تصمیم‌های مالک آن وابسته است و همه ساب‌نت‌ها الزاماً از یک استاندارد فنی یا اخلاقی مشترک پیروی نمی‌کنند.

مدل انگیزشی Bittensor چگونه کار می‌کند؟

در طراحی Bittensor، پاداش باید به مشارکت مفید برسد. ماینری که خروجی بهتری تولید می‌کند، وزن بیشتری می‌گیرد و سهم بیشتری از انتشار دریافت می‌کند. ولیدیتوری که ارزیابی دقیق‌تری ارائه دهد و امتیازهایش با اجماع سایر ولیدیتورها هم‌راستا باشد، پاداش بیشتری به دست می‌آورد.

در ساختار فعلی، سهم انتشار هر ساب‌نت میان سه گروه اصلی تقسیم می‌شود. بر اساس مستندات رسمی و وایت‌پیپر Dynamic TAO، 18% به صاحب ساب‌نت، 41% به ماینرها و 41% به ولیدیتورها و سهام‌گذاران مرتبط با آن‌ها اختصاص می‌یابد. این اعداد مربوط به منطق انتشار است و به‌معنای تضمین درآمد یا سود برای هیچ مشارکت‌کننده‌ای نیست.

ولیدیتورها با خطر مهمی مواجه‌اند: اگر ارزیابی آن‌ها با اجماع شبکه فاصله زیادی داشته باشد، ممکن است پاداش کمتری دریافت کنند. به همین دلیل، پروتکل تلاش می‌کند میان استقلال در ارزیابی و جلوگیری از کپی‌کردن کورکورانه وزن‌های دیگران تعادل ایجاد کند. Bittensor برای مقابله با وزن‌برداری و رفتارهای فرصت‌طلبانه، از سازوکارهایی مانند تعهد و افشای وزن و Liquid Alpha استفاده کرده است؛ بااین‌حال، اسناد پژوهشی خود پروژه نشان می‌دهند که کارایی این ابزارها به طراحی و شرایط هر ساب‌نت بستگی دارد.

Dynamic TAO و اقتصاد توکن‌های ساب‌نت

یکی از تغییرات مهم Bittensor، معرفی Dynamic TAO یا dTAO است. پیش از این مدل، وزن نسبی ساب‌نت‌ها بیشتر از طریق سازوکارهای شبکه ریشه و ارزیابی ولیدیتورها تعیین می‌شد. در مدل جدید، هر ساب‌نت یک توکن اختصاصی به نام آلفا دارد و قیمت این توکن در یک بازارساز خودکار با ذخایر TAO و آلفا تعیین می‌شود.

وقتی کاربر TAO را در یک ساب‌نت استیک می‌کند، در عمل در معرض توکن آلفای همان ساب‌نت قرار می‌گیرد. قیمت آلفا از نسبت ذخیره TAO به ذخیره آلفا به دست می‌آید و می‌تواند با استیک‌کردن، برداشت، انتشار پاداش یا معامله تغییر کند. مستندات رسمی Dynamic TAO توضیح می‌دهند که این نرخ می‌تواند در هر بلاک تغییر کند.

هدف این مدل آن است که بازار، بخشی از ارزش نسبی هر ساب‌نت را تعیین کند. اگر تقاضای بیشتری برای یک ساب‌نت وجود داشته باشد، ورود TAO به ذخیره آن می‌تواند قیمت آلفا و در نتیجه سهم آن ساب‌نت از انتشارهای شبکه را افزایش دهد. در این معنا، سهام‌گذاران با تخصیص TAO به ساب‌نت‌ها در رأی‌گیری اقتصادی مشارکت می‌کنند.

اما این سازوکار را نباید با رأی‌گیری درباره کیفیت واقعی یک مدل هوش مصنوعی اشتباه گرفت. قیمت آلفا می‌تواند تحت تأثیر سفته‌بازی، نقدینگی محدود، رفتار نهنگ‌ها، هیجان بازار یا استراتژی‌های کوتاه‌مدت قرار گیرد. بنابراین قیمت بالا یا رشد سریع آلفا به‌تنهایی مدرک استفاده واقعی از محصول نیست.

TAO در این اقتصاد چه نقشی دارد؟

TAO توکن اصلی شبکه Bittensor است و برای استیک، مشارکت اقتصادی، ثبت ساب‌نت و تعامل با اقتصاد شبکه استفاده می‌شود. در Dynamic TAO، TAO مانند سرمایه پایه‌ای عمل می‌کند که از طریق آن می‌توان در ساب‌نت‌های مختلف موقعیت اقتصادی گرفت.

طبق راهنمای رسمی Bittensor، انتشار شبکه به‌صورت دوره‌ای انجام می‌شود و میان ساب‌نت‌ها توزیع می‌گردد. سهم هر ساب‌نت به عواملی مانند قیمت متحرک آلفا و میزان TAO قرارگرفته در ذخیره آن وابسته است. این طراحی باعث می‌شود ساب‌نت‌هایی که سرمایه بیشتری جذب می‌کنند، از نظر انتشار نیز در موقعیت بهتری قرار بگیرند.

این چرخه مزیتی روشن دارد: ساب‌نتی که واقعاً کاربران، توسعه‌دهندگان یا مشارکت‌کنندگان بیشتری جذب کند، می‌تواند منابع بیشتری برای رشد به دست آورد. اما چرخه معکوس نیز وجود دارد؛ کاهش نقدینگی یا خروج سرمایه می‌تواند انتشار و انگیزه ماینرها را کاهش دهد و به افت بیشتر فعالیت منجر شود. این ویژگی، اقتصاد ساب‌نت‌ها را شبیه ترکیبی از بازار سرمایه، بازار خدمات دیجیتال و سیستم پاداش‌دهی می‌کند.

امروز چه چیزی واقعاً کار می‌کند؟

آنچه با اطمینان می‌توان گفت این است که Bittensor یک شبکه فعال با نقش‌های اقتصادی مشخص، ساب‌نت‌های متعدد، ماینرها، ولیدیتورها و سازوکار انتشار قابل مشاهده است. داشبوردهای عمومی پروژه در زمان بررسی در 3 اکتبر 2026، بیش از 100 ساب‌نت فعال یا ثبت‌شده را نشان می‌دادند و گزارش سالانه ثبت‌شده در SEC اعلام کرده بود که تا 31 دسامبر 2025، تعداد ساب‌نت‌های ثبت‌شده به 128 مورد رسیده است.

همچنین، مدل فنی ماینر و ولیدیتور در برخی حوزه‌ها واقعاً قابل اجراست. ساب‌نت‌هایی برای تولید متن، داده، توان پردازشی و آموزش مدل وجود دارند و کد، متغیرهای ارزیابی و جریان پاداش آن‌ها در سطح شبکه قابل بررسی است. مقاله فنی مربوط به معماری IOTA گزارش کرده است که ساب‌نت 9 در اوت 2024 آزمایش‌هایی برای آموزش مدل‌های زبانی با اندازه‌های متفاوت و همکاری میان ماینرها انجام داده است. این موضوع نشان‌دهنده یک دستاورد پژوهشی مهم است، اما به‌تنهایی ثابت نمی‌کند که چنین سامانه‌ای در مقیاس تجاری و پایدار با سرویس‌های متمرکز رقابت می‌کند.

شواهد استفاده واقعی از بیرون شبکه، همچنان محدودتر از شواهد فعالیت درون‌زنجیره‌ای است. حجم انتقال، تعداد کیف‌پول‌ها، مقدار استیک یا ارزش بازار آلفا نشان می‌دهد سرمایه و مشارکت وجود دارد، اما نشان‌دهنده تعداد مشتریان واقعی، درآمد عملیاتی یا رضایت کاربران نهایی نیست. به همین دلیل، باید میان «فعالیت اقتصادی شبکه» و «تقاضای واقعی برای محصول هوش مصنوعی» تفاوت گذاشت.

در وضعیت فعلی، بسیاری از ساب‌نت‌ها را باید زیرساخت یا آزمایشگاه اقتصادی دانست، نه شرکت‌های بالغ هوش مصنوعی. برخی ممکن است خروجی قابل استفاده تولید کنند، اما برای اثبات محصول واقعی باید معیارهایی مانند کاربران مستقل، درآمد خارج از انتشار توکن، سطح خدمت، پایداری، هزینه پاسخ و مزیت کیفی در برابر گزینه‌های متمرکز ارائه شود.

مقایسه Bittensor با رویکردهای جایگزین

انتقادها و پرسش‌های حل‌نشده

نخستین انتقاد به Bittensor این است که غیرمتمرکز بودن دفترکل، الزاماً به‌معنای غیرمتمرکز بودن محصول نیست. اگر چند ولیدیتور بزرگ، بخش عمده سهام یا ظرفیت ارزیابی را در اختیار داشته باشند، آن‌ها می‌توانند درباره برندگان اقتصادی یک ساب‌نت نفوذ قابل‌توجهی پیدا کنند.

مسئله دوم، امکان بازی‌دادن معیارهای ارزیابی است. هر ماینر ممکن است به‌جای حل مسئله اصلی، خود را برای معیار قابل اندازه‌گیری بهینه کند. اگر ولیدیتورها سرعت را بیش از دقت پاداش دهند، خروجی‌ها سریع اما ضعیف می‌شوند؛ اگر معیار فقط با آزمون‌های ثابت کار کند، ماینرها ممکن است به حفظ کردن داده‌های آزمون یا یافتن میان‌بر روی بیاورند.

مسئله سوم، تفاوت میان پاداش توکنی و درآمد واقعی است. انتشار توکن می‌تواند به ماینر یا صاحب ساب‌نت انگیزه فعالیت بدهد، اما تا زمانی که مشتری مستقل حاضر به پرداخت برای خدمت نباشد، مشخص نیست ارزش اقتصادی تولیدشده خارج از چرخه داخلی شبکه چقدر است.

مسئله چهارم، پیچیدگی Dynamic TAO است. کاربر باید تفاوت میان TAO، آلفای هر ساب‌نت، استیک، نقدینگی، انتشار، قیمت متحرک، مالکیت و ریسک خروج را درک کند. همین پیچیدگی می‌تواند مشارکت کاربران عادی را دشوار و تصمیم‌گیری را به سمت معامله‌گران حرفه‌ای یا سرمایه‌گذاران بزرگ سوق دهد.

ریسک‌ها و محدودیت‌ها

• ریسک فنی: باگ در کد ماینر، ولیدیتور، بازارساز خودکار یا منطق پاداش می‌تواند عملکرد ساب‌نت را مختل کند.
• ریسک تمرکز: تمرکز سهام، سخت‌افزار یا مجوزهای ولیدیتوری ممکن است با هدف توزیع‌شده شبکه تعارض پیدا کند.
• ریسک نقدینگی: توکن آلفای برخی ساب‌نت‌ها ممکن است بازار کم‌عمقی داشته باشد و خروج از موقعیت را دشوار کند.
• ریسک معیار ارزیابی: پاداش ممکن است به خروجی‌هایی برسد که معیار را بهینه کرده‌اند، نه الزاماً مسئله واقعی کاربر را.
• ریسک اقتصادی: کاهش انتشار یا خروج سرمایه می‌تواند انگیزه ماینرها را کم کند و فعالیت ساب‌نت را کاهش دهد.
• ریسک مقرراتی و حریم خصوصی: داده‌ها و درخواست‌ها هنگام عبور از ماینرها ممکن است محرمانگی تضمین‌شده‌ای نداشته باشند؛ راهنمای رسمی ماینینگ Bittensor نیز در این‌باره هشدار می‌دهد.

مهم‌تر از همه، قیمت TAO یا آلفای یک ساب‌نت نباید جایگزین ارزیابی فنی شود. برای بررسی یک ساب‌نت باید کد، روش امتیازدهی، هویت تیم، فعالیت ماینرها، کیفیت خروجی، کاربران واقعی و میزان درآمد خارج از انتشار توکن را جداگانه بررسی کرد.

این موضوع به چه کسی مربوط است؟

این موضوع برای توسعه‌دهندگان هوش مصنوعی که می‌خواهند مدل یا داده خود را در یک محیط رقابتی عرضه کنند، اهمیت مستقیم دارد. آن‌ها می‌توانند به‌جای راه‌اندازی کامل یک کسب‌وکار زیرساختی، از یک ساب‌نت به‌عنوان بازار توزیع و آزمایش استفاده کنند.

برای صاحبان سخت‌افزار و اپراتورهای GPU نیز Bittensor می‌تواند یک مدل متفاوت برای کسب درآمد از منابع محاسباتی باشد؛ البته تنها زمانی منطقی است که هزینه برق، استهلاک، پهنای باند، رقابت و احتمال کاهش پاداش محاسبه شود.

سرمایه‌گذاران و فعالان بازار کریپتو نیز با یک طبقه دارایی متفاوت روبه‌رو هستند، اما باید بدانند که آلفای ساب‌نت صرفاً یک توکن کاربردی ساده نیست و می‌تواند ترکیبی از ریسک فناوری، نقدینگی، مدل کسب‌وکار و سفته‌بازی باشد.

در نهایت، این موضوع برای کاربران عادی هوش مصنوعی زمانی اهمیت واقعی پیدا می‌کند که بتوانند کیفیت، قیمت و دسترس‌پذیری خدمات ساب‌نت‌ها را با سرویس‌های متمرکز مقایسه کنند؛ نه صرفاً زمانی که ارزش بازار توکن‌ها افزایش می‌یابد.

جمع‌بندی

Bittensor تلاش می‌کند مسئله تولید و ارزیابی خدمات هوش مصنوعی را به یک بازار باز و مبتنی بر مشوق‌های توکنی تبدیل کند. ساب‌نت‌ها در این معماری، بازارهای تخصصی هستند؛ ماینرها خروجی تولید می‌کنند، ولیدیتورها کیفیت را ارزیابی می‌کنند و TAO و توکن‌های آلفا جریان سرمایه و پاداش را شکل می‌دهند.

آنچه امروز قابل تأیید است، وجود زیرساخت فعال، ساب‌نت‌های متعدد، سازوکارهای انتشار و چند نمونه پژوهشی و فنی قابل بررسی است. آنچه هنوز باید با احتیاط درباره آن صحبت کرد، مقیاس استفاده تجاری، درآمد پایدار خارج از انتشار توکن، برتری عمومی نسبت به مدل‌های متمرکز و میزان واقعی تمرکززدایی است.

بنابراین Bittensor را بهتر است نه «راه‌حل نهایی هوش مصنوعی غیرمتمرکز»، بلکه آزمایشی بزرگ برای طراحی بازارهای باز هوش مصنوعی دانست. موفقیت آن در نهایت به این بستگی دارد که آیا ساب‌نت‌ها می‌توانند تقاضای واقعی، کاربران مستقل و خروجی قابل اتکا ایجاد کنند یا نه.

سوالات متداول

ساب‌نت در Bittensor دقیقاً چیست؟

ساب‌نت یک شبکه تخصصی درون Bittensor است که برای تولید یک خدمت یا کالای دیجیتال مشخص طراحی می‌شود. صاحب ساب‌نت مسئله و روش ارزیابی را تعیین می‌کند، ماینرها خروجی تولید می‌کنند و ولیدیتورها کیفیت آن را می‌سنجند.

آیا ماینینگ Bittensor همان استخراج بیت‌کوین است؟

خیر. ماینرهای Bittensor معمولاً بلاک تولید نمی‌کنند، بلکه خدماتی مانند پاسخ‌گویی مدل، تولید داده، پیش‌بینی یا ارائه توان پردازشی انجام می‌دهند. پاداش آن‌ها به ارزیابی عملکردشان در ساب‌نت وابسته است.

Dynamic TAO چه تغییری ایجاد کرد؟

Dynamic TAO برای هر ساب‌نت یک توکن آلفا و یک ذخیره نقدینگی مرتبط با TAO ایجاد می‌کند. سهم نسبی ساب‌نت از انتشار شبکه تا حدی بر اساس ارزش بازار و ورود TAO به ذخیره آن تعیین می‌شود.

آیا قیمت آلفای یک ساب‌نت نشان‌دهنده کیفیت هوش مصنوعی آن است؟

خیر. قیمت آلفا می‌تواند تحت تأثیر نقدینگی، سفته‌بازی و ورود یا خروج سرمایه قرار گیرد. برای سنجش کیفیت باید خروجی واقعی، روش ارزیابی، کاربران و درآمد خارج از انتشار توکن بررسی شود.

بزرگ‌ترین ریسک مشارکت در ساب‌نت‌ها چیست؟

مهم‌ترین ریسک‌ها شامل ضعف معیار ارزیابی، تمرکز قدرت میان ولیدیتورها، نقدینگی پایین توکن آلفا، تغییر قواعد، رقابت شدید ماینرها و وابستگی اقتصاد ساب‌نت به انتشار توکن هستند.

منابع

• مستندات رسمی Bittensor
• راهنمای Dynamic TAO در Learn Bittensor
• وایت‌پیپر Dynamic TAO
• راهنمای رسمی Mining در Bittensor
• راهنمای رسمی Validator در Learn Bittensor
• گزارش سالانه Bittensor ثبت‌شده در کمیسیون بورس و اوراق بهادار آمریکا
• مقاله فنی IOTA درباره آموزش توزیع‌شده مدل‌های زبانی در Bittensor
• داشبورد و فهرست ساب‌نت‌های Bittensor
• مقاله فنی Bittensor درباره Weight Copying و سازوکارهای اجماع

سلب مسئولیت

این مطلب صرفاً با هدف آموزش و اطلاع‌رسانی تهیه شده است و توصیه مالی، سرمایه‌گذاری، خرید، فروش یا مشارکت در هیچ توکن یا ساب‌نتی محسوب نمی‌شود. بازار ارزهای دیجیتال و توکن‌های ساب‌نتی بسیار پرریسک و پرنوسان است و هر تصمیم مالی باید پس از مطالعه مستقل، بررسی منابع رسمی و ارزیابی توان تحمل ریسک انجام شود.